12º congresso interinstitucional de iniciação científica ... · avaliaÇÃo de Índices...

1

12º Congresso Interinstitucional de Iniciação Científica – CIIC 2018

01 a 03 de agosto de 2018 – Campinas, São Paulo

ISBN 978-85-7029-145-5

AVALIAÇÃO DE ÍNDICES ESPECTRAIS DE VEGETAÇÃO A PARTIR DE DADOS ÓTICO-

ORBITAIS DA SÉRIE LANDSAT (OLI, TM) E SUA RELAÇÃO COM O TEOR DE CARBONO

ORGÂNICO NO SOLO

Manuela Corrêa de Castro Padilha¹; Diego Urbina Salazar2; José Alexandre Melo Demattê3;

Daniel Gomes dos Santos Wendriner Loebmann4; Luiz Eduardo Vicente5

Nº 18408

RESUMO – A quantificação do carbono orgânico do solo (COS) é de grande importância para a

agricultura e o uso sustentável da terra, porém, ocorrem dificuldades para estimá-lo em grandes

áreas, como o alto custo da amostragem de solo e dos preparos em laboratório. Há abordagens

que podem facilitar a estimativa do COS, como o uso de imagens de satélite e a aplicação de

modelos estatísticos baseados em índices de vegetação e nas bandas espectrais do satélite

Landsat. Neste estudo foi proposta a avaliação de índices espectrais de vegetação (NDMI, EVI e o

índice de biomassa aérea da vegetação (BAV), proposto pelos autores) a partir de dados ótico-

orbitais da série Landsat (OLI, TM) para estimativa de teor de COS. Estatisticamente, o coeficiente

de determinação (R²) apresentou valores de 0,5 a 0,6 entre as variáveis teor de COS determinado

da coleta de amostras de solo e os valores dos índices extraídos das cenas nos pixels

correspondentes aos locais de coleta de amostras. Entretanto, através do mapeamento feito por

software de SIG (ArcGis®) foi possível observar que o manejo das culturas na área de

estudo impactou na relação da biomassa e, consequentemente, na concentração de COS ao longo

do tempo. Portanto, o uso dos índices espectrais de vegetação para estimativa de COS necessita

de melhores validações e calibrações para tentar se melhorar, estatisticamente, a relação entre as

variáveis de estudo.

Palavras-chaves: Sensoriamento remoto, biomassa aérea da vegetação, agricultura de baixo

carbono, série temporal.

1 Autora, Bolsista CNPq (PIBIC): Graduação em Engenharia Florestal, ESALQ/USP, Piracicaba-SP; [email protected]. 2 Co-autor; mestrando em Ciências do Solo da Universidade de São Paulo, Escola Superior de Agricultura Luiz de Queiroz, Piracicaba-SP; [email protected]. 3 Co-orientador: Professor Titular da Universidade de São Paulo, Escola Superior de Agricultura Luiz de Queiroz, Piracicaba-SP; [email protected]. 4 Analista da Embrapa Meio Ambiente, Jaguariúna-SP; [email protected]. 5 Orientador: Pesquisador A da Embrapa Meio Ambiente, Jaguariúna-SP; [email protected].

2



ISBN 978-85-7029-145-5

ABSTRACT – The quantification of soil organic carbon (SOC) is very important to agriculture and

sustainable use of the land, but there are difficulties to estimate it in large areas, such as the high

cost of extraction of soil samples and laboratory preparations. There are approaches that can

facilitate the estimation of SOC, such as the use of satellite imagery and the application of statistical

models based on vegetation indices and on the spectral bands of the satellite under study. In this

study it was proposed the evaluation of spectral indices of vegetation (NDMI, EVI and the

aboveground biomass index (AGBI), proposed by the authors) from optical-orbital data of the s

Landsat series (OLI, TM) for estimation of the content of SOC. Statistically, the coefficient of

determination (R²) presented a moderate relationship (0,4 to 0,5) between the SOC measured in

collected soil samples and the values of the contents extracted from the scenes in the pixels

corresponding to the sampling locations. However, through the mapping done by GIS software

(ArcGis®), it was possible to observe that the management of the cultures in the field of study

impacted on the biomass ratio, and consequently in the concentration of SOC over time. Therefore,

the evaluation of the vegetation spectral indices for SOC estimation requires better validation and

calibrations in order to try to improve, statistically, the relationship between the study variables.

Keywords: Remote sensing, aboveground vegetation biomass, low carbon agriculture, time series.

1. INTRODUÇÃO

O carbono orgânico do solo (COS) é um dos atributos capaz de demonstrar alterações na

qualidade do solo, refletindo os atributos físicos, químicos e biológicos (LARSON; PIERCE, 1994).

O COS se encontra estável em áreas que não sofrem alterações antrópicas, porém, quando os

solos em questão são submetidos a diferentes manejos de uso do solo, principalmente no

revolvimento e na exposição do solo, estes podem sofrer com a redução da demanda nutricional

bem como a disponobilidade da matéria orgânica, sendo que a matéria orgânica é onde o COS se

concentra (ADDISCOT, 1992). O conhecimento do padrão de distribuição espacial do COS provê

informações de grande importância para a agricultura, como por exemplo para o uso sustentável da

terra e para identificação de usos e manejos do solo que promovam o sequestro de carbono

(MACHADO, 2005).

Entre as principais limitações para avaliação do estoque de COS pode ser citado o alto

custo das análises, o que acarreta em pontos amostrais esparsos que podem não refletir a

3



ISBN 978-85-7029-145-5

variabilidade espacial (BHUNA et al., 2016), resultando em valores altos de incerteza no

mapeamento através do sensoriamento remoto, principalmente em áreas extensas.

Em estudo realizado por Woodbury et. al. (2006), nos Estados Unidos, foi observado que a

biomassa aérea foi mais impactada pelas mudanças de uso do que o estoque de COS, fato que

pode estar relacionado ao tempo necessário para que o estoque de carbono no solo seja

impactado e mobilizado após as mudanças de uso (COSTA, 2015). Em citação de Nelson et al.

(2000), Houghton et. al. (1991) avaliaram que a biomassa abaixo da terra pode ser calculada como

aproximadamente 25% da biomassa acima do solo. Dessa forma, considerando tais relações

diretamente proporcionais, o conhecimento sobre a biomassa aérea da vegetação obtidas através

de sensoriamento remoto pode auxiliar nas estimativas do COS em áreas vegetadas.

Assim, tem-se como objetivo principal deste estudo a avaliação de índices espectrais de

vegetação (NDMI, EVI e o índice de biomassa aérea da vegetação (BAV), proposto pelos autores)

a partir de dados ótico-orbitais da série Landsat (OLI, TM) para estimativa de teor de COS.

2. MATERIAL E MÉTODOS

2.1. Área de Estudo

A área de estudo, demonstrada na Figura 1, compreende os municípios de Charqueda,

Piracicaba, Rio das Pedras, Saltinho, Mombuca, Tietê e Rafard, todos no Estado de São Paulo. A

classificação climática segundo Köppen é tropical (Cwa), com invernos secos e verões chuvosos. A

região é reconhecida pelo crescente pólo econômico do agronegócio impulsionada especialmente

pelo cultivo de cana-de-açúcar.

Figura 1. Mapa da localização da área de estudo.

4



ISBN 978-85-7029-145-5

2.2. Aplicação de máscara de solo exposto (MSE) para amostragem de pontos

Os pontos amostrais foram escolhidos utilizando amostragem orientada, sendo necessário

selecionar pixels correspondentes ao solo exposto nas cenas, a partir da criação de uma máscara

de solo exposto (MSE) de acordo com a metodologia de Demattê et al. (2016), que inclui solos de

diferentes texturas, como demonstrado na Figura 2. Esta etapa de aplicação da MSE foi necessária

para excluir alvos não vegetados, já que a análise da relação entre o COS e o índice BAV só faz

sentido em áreas com presença de vegetação (Figura 2). Desta forma, dos 190 pontos amostrados

para realizar a análise de teor de carbono no solo, foram selecionados 47 pontos amostrais

correspondentes às áreas cobertas com vegetação no momento da aquisição das imagens.

2.3. Trabalho de Campo

Como mencionado no item 2.2, foram coletadas 47 amostras de solo, dos pontos

previamente selecionados pela aplicação da MSE, na camada 0-20cm, com trado holandês, entre

os meses de novembro de 2017 a março de 2018. Os pontos foram identificados em “nº X, nº P e

nº”, sendo que “nº X” são as amostras que foram coletadas de acordo com a MSE de 2017, “nº P”

as coletas com a MSE do ano de 2015, e “nº” as coletas para a MSE dos anos de 2004, 2015 e

Figura 2. Máscara de solo exposto (MSE) feita para amostrar os pontos levantados em campo.

5



ISBN 978-85-7029-145-5

2017, de modo que alguns pontos, no momento da coleta, estavam em áreas de solo exposto e

outros em áreas vegetadas. Os locais de levantamento foram principalmente de plantios de cana,

no entanto alguns pontos foram coletados em culturas de milho, laranja, soja e mandioca. E em

cada levantamento foram anotadas informações sobre variáveis de campo, como a altitude do

ponto, tipo de relevo, cor do solo e tipo de cultura.

2.4. Preparação das amostras de solo

As amostras foram colocadas em recipientes de plástico de 250 mL para secagem a

temperatura ambiente, com duração média de 20 a 30 dias. Após secagem, as amostras foram

organizadas de acordo com os pontos que foram coletadas, posteriormente, moídas e peneiradas a

2 mm. A análise de COS foi determinada através do método Walkley-Black (1934).

2.5. Aquisição e processamento das imagens Landsat

As cenas dos satélites Landsat 5 e Landsat 8 foram selecionadas no catálogo do site Earth

Explorer (UNITED STATES GEOLOGICAL SURVEY, 2018a) e adquiridas no site do ESPA

(UNITED STATES GEOLOGICAL SURVEY, 2018b), que fornece os dados de reflectância de

superfície e disponibiliza índices de vegetação de pronto uso e, também foram adquiridas imagens

no WebGis Carbscan (2018). Essas imagens já são calibradas radiometricamente e corrigidas para

efeito da atmosfera, só dessa forma é possível se utilizar das séries temporais, pois os efeitos da

atmosfera são debitados no momento em que o sensor captura a imagem. Todos os sensores da

série Landsat possuem o mesmo conjunto de bandas e resolução espectral e espacial necessários

à isonomia da aplicação multitemporal dos índices espectrais (VICENTE et al., 2015). As cenas

selecionadas para a análise foram obtidas durante a época da seca, para maximizar as áreas de

solo exposto e minimizar a cobertura de nuvens. A cena de 17/07/2017 foi selecionada por ser a

cena com menor cobertura de nuvens próxima à data da coleta de amostras no campo e as cenas

de 14/08/2004 e 02/07/2000 foram selecionadas para permitir uma análise da evolução temporal da

BAV e a sua influência sobre os níveis atuais do teor de carbono orgânico do solo.

2.6. Aplicação do índice de BAV

Para estimar a BAV foram utilizados os índices Normalized Difference Moisture Index (NDMI

- GAO, 1996) e Enhanced Vegetation Index (EVI - HUETE et al., 2002). De acordo com Jacon

(2016), a relação de bandas exploradas pelo EVI (Equação 1) tem uma alta correlação positiva

6



ISBN 978-85-7029-145-5

com a BAV, enquanto a relação de bandas exploradas pelo NDMI (Equação 2) tem uma alta

correlação negativa com a biomassa aérea da vegetação. Estas características espectrais podem

ser melhor exploradas por meio de um índice de diferença normalizada entre EVI e NDMI, que

realça as áreas com mais BAV, constituindo assim o índice BAV (Equação 3).

(1)

(2)

O índice de BAV apresentado na Equação 3, foi aplicado às cenas do Landsat-5 (anos de

2000 e 2004) e Landsat-8 (ano de 2017) (ArcGis®).

As imagens índices obtidas foram correlacionados aos dados coletados de COS, sendo que

se considerou para seleção dos pixels das imagens por ano (2000, 2004 e 2017) (Figura 2),

apenas pontos correspondentes aos locais amostrados em campo em áreas vegetadas, totalizando

35 pontos para o ano de 2000, 8 pontos para 2004 e 6 pontos para 2017 (Tabelas 1, 2 e 3). Um

dos desafios em se trabalhar com carbono no solo em cultivos agrícolas trata-se da não

perenidade das culturas em questão, visto que, diferente de florestas naturais, as culturas mudam

de local e alteram a matéria orgânica remanescente, dificultando o estabelecimento de uma grade

amostral multitemporal.

3. RESULTADOS E DISCUSSÃO

A partir da extração dos valores dos pixels dos pontos levantados, apresentado nas Tabelas

1, 2 e 3 foi possível se obter dados de correlação entre os índices avaliados, NDMI, EVI e BAV com

o teor de COS medido em campo.

Tabela 1. Pontos levantados para análise do teor de COS medidos da matéria orgânica e valores dos índices BAV, NDMI, e EVI para o ano de 2000.

PONTO C% BAV NDMI EVI

110 0,4756 4,5329 1263 1978

81 0,5916 4,5169 2192 2988

(3)

7



ISBN 978-85-7029-145-5

53 1,0731 4,8845 1480 2242

2X 1,8677 5,5536 2701 3954

52 0,7541 4,4118 2059 3266

114 0,7541 4,3635 1961 3196

11 1,0615 4,6119 2243 3485

32 1,6357 5,1709 2294 3394

131 1,1195 4,6404 3433 5343

72 1,0151 4,4022 2236 3899

14X 1,8097 5,1949 2961 3778

84 0,7193 4,0804 1762 2906

88 1,6125 4,9630 3107 4797

68 1,1311 4,3398 1735 2774

71 1,9954 5,0730 2623 3911

120 1,2239 4,2583 1771 3233

104 0,6613 3,6760 1936 3553

55 1,0035 3,9642 1626 2914

100 0,8643 3,8235 1440 2460

18X 1,4965 4,4033 895 1103

4P 3,9844 6,8691 3283 4164

30 1,4327 4,2226 3221 5220

23P 0,5800 3,2962 1292 2492

21 0,4524 2,9884 1376 2760

122 1,4501 3,8975 2444 4131

31 1,4965 3,9282 1754 2952

8



ISBN 978-85-7029-145-5

85 1,1079 3,4808 1795 3195

80 0,4176 2,7681 2104 4484

12 0,6845 2,9887 1407 2822

144 0,7193 2,9904 2063 3984

29 1,2819 3,4137 1371 3161

101 0,5104 2,6279 1330 2964

109 0,6265 2,7218 823 1779

96 1,5893 3,6385 2704 4577

119 0,6148 2,6458 1264 2800


PONTOS C% BAV NDMI EVI

14X 1,8097 7,6200 2605 3567

3X 0,9803 5,5995 3140 4832

2X 1,8677 6,1746 3670 5086

4X 1,2587 4,8034 2059 3498

15X 1,3283 4,7250 2311 3640

5X 0,9455 3,9845 2611 4257

17X 0,5684 3,5428 2082 3572

0X 1,4211 3,9578 2241 3802


PONTOS C% BAV NDMI EVI

42 1,0847 0,2925 -872 1593

9



ISBN 978-85-7029-145-5

11X 0,7773 0,2376 -974 1581

68 1,1311 0,2333 -626 1007

129 0,8759 0,0954 -1067 1292

93 0,8237 0,0892 -1337 1599

26 0,5336 0,0129 -1611 1653

A análise dos coeficientes do índice de BAV com a porcentagem dos teores de COS

extraídos das amostras indica a influência entre a relação da presença de vegetação no solo para

todos os anos, com correlações (r) de 0,7646 para o ano de 2000, 0,7452 para 2004 e 0,7775 para

2017, provavelmente devido a pouca movimentação da biomassa acima do solo, não impactando

significativamente na alteração dos valores de COS.

Em seguida, foi feita a análise da regressão dos dados através dos gráficos de dispersão

apresentados nas Figuras de 3 a 5. Notoriamente a variação do R², devido a quantidade de pontos

utilizados na análise, demonstra a influência da variável BAV sobre a variável % COS medido

(BOLFE, 2010; DEMATTÊ, 2016).

De acordo com a Figura 6, em 2000, a densidade de pontos amostrados foi maior em

relação aos anos de 2004 e 2017 (Figuras 7 e 8, respectivamente). A média do valor de BAV entre

os pontos amostrados em 2000 foi de 3,99 ± 0,80, com aumento em 2004 (5,05 ± 1,36) e redução

no ano de 2017 (0,46 ± 0,64). Devido à baixa densidade de vegetação em 2017, que apresentou

solo recoberto por palhada e rotação de cultura, visto em campo na realização do levantamento

das amostras, a resposta espectral na região do verde não foi tão expressiva e a aplicação do

índice em estudo não se mostrou com grande eficiência neste período.

Os valores de BAV revelaram um R² > 0,50 em relação às porcentagens do teor de COS

amostrados para os três períodos em estudo. Uma hipótese para estar ocorrendo isso é que a

restrição de áreas para queima da cana de açúcar propiciou melhores condições ao solo nas áreas

que estão recebendo colheita mecanizada. De acordo com o ponto de vista agronômico do

pesquisador Rossetto (2018), da Agência Embrapa de Informação Tecnológica, as entidades

ambientais originaram a Lei da Queima da Cana (Lei nº 11.241/2002), que trata da queima

controlada da cana-de-açúcar para despalha e de sua gradual eliminação. Assim, o aumento do

uso da palhada sob o solo exposto, propicia uma significativa melhora no uso do solo.

10



ISBN 978-85-7029-145-5

Figura 3. Gráfico de regressão linear para a porcentagem de COS medidos em campo vs. o índice de BAV para o ano de 2000.



y = 1,0679x + 2,8808 R² = 0,5847

0

1

2

3

4

5

6

7

8

0 0,5 1 1,5 2 2,5 3 3,5 4 4,5

BA

V

% COS medido

y = 2,3018x + 2,122 R² = 0,5555

0

2

4

6

8

10

0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2

BA

V

% COS medido

y = 0,3896x - 0,1792 R² = 0,6046

0

0,05

0,1

0,15

0,2

0,25

0,3

0,35

0 0,2 0,4 0,6 0,8 1 1,2

BA

V

% COS medido

11



ISBN 978-85-7029-145-5

4. CONCLUSÃO

Diferentes índices espectrais de biomassa (EVI, NDMI, BAV) foram satisfatórios na estimativa

de COS. De modo a sugerir o uso do índice composto BAV como promissor. Espera-se que na

continuidade deste trabalho, tais resultados sejam aprimorados e utilizados por especialistas na

implementação de modelos de estimativa de COS ou no mapeamento remoto através de sensores

multiespectrais, gerando a diminuição de custos e tempo de processamento, com maior acurácia e

precisão dos resultados.

5. AGRADECIMENTOS

Agradeço ao CNPq pela bolsa concedida (Processo 18408), à equipe da Embrapa Meio

Ambiente/Plataforma ABC pela oportunidade de estágio, ao Grupo de Pesquisa em Geotecnologia

em Ciência do Solo (GeoCis, site: http://esalqgeocis.wixsite.com/geocis) e ao projeto temático

FAPESP 2014-22262-0, e à pesquisadora Andrea Koga Vicente pelo apoio no projeto.

6. REFERÊNCIAS

ADDISCOT, T.M. Entropy and sustainability. Eur. J. Soil Sci., Dordrecht, v. 46, p. 161-168, 1992.

Figura 8. Mapeamento do índice de BAV para os pontos levantados do ano de 2017 (ArcGis®).



12



ISBN 978-85-7029-145-5

BHUNA, G.S; SHIT, P.K.; MAITI, R. Comparison of GIS-based interpolation methods for spatial distribution of soil organic carbon (SOC). Journal of the Saudi Society of Agricultural Sciences, v.17, p. 114-126, 2016.

BOLFE, É. L., Desenvolvimento de uma metodologia para a estimativa de biomassa e de carbono em sistemas agroflorestais por meio de imagens orbitais. 319 p. Tese (Doutorado em Ciências) – Instituto de Geociências, Campinas, 2010.

CARBSCAN. Sistema de coleta e análise multissensor para estimativa de carbono. Disponível em: <http://mapas.cnpma.embrapa.br/carbscan/app.html>. Acesso em: 04 de janeiro, 2018.

COSTA, K. M. O estoque de carbono na vegetação e no solo de fragmentos florestais em paisagens tropicais fragmentadas. 2015. 66 f. Dissertação (Mestrado em Ciências) -Instituto de Biociências da Universidade de São Paulo, Departamento de Ecologia, São Paulo. 2015.

DEMATTÊ J.A.M., ALVES, M.R., TERRA, F.S., BOSQUILIA, R.W.D., FONGARO, C.T., BARROS, P.P.S. Is it possible to classify topsoil texture using a sensor located 800 km away from the surface? Rev Bras Cienc Solo, v. 40, p. 1-13, 2016.

HOUGHTON, R.A., SKOLE, D.L. AND LEFKOWITZ, D.S. Changes in the landscape of Latin America between 1850 and 1985: II. Net release of CO2 to the atmosphere. Ecol. Manage, Amsterdam, v. 38, p. 173-199, 1991.

GAO, B.C. NDWI – A normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment, v. 58, p. 257-266, 1996.

HUETE, A.; DIDAN, K.; MIURA, T.; RODRÍGUEZ, E. P.; GAO, X. FERREIRA, L. G. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, v. 83, p. 195-213, 2002.

JACON, A. D. Caracterização espectro-sazonal de fitofisionomias do cerrado e estimative de biomassa usando dados do sensor Hyperion/EO-1. 120 p. Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2016.

LARSON, W.E.; PIERCE, F.J. The dynamics of soil quality as a measure of sustainable management. In: DORAN, J.W.; COLEMAN, D.C.; BEZDICEK, D.F. & STEWART, B.A., eds. Defining soil quality for a sustainable environment. Madison, SSSA, 1994. p.37-51. (Special, 35)

MACHADO, P. L. O. A. Carbono do solo e a mitigação da mudança climática global. Rio de Janeiro, v. 28, n. 2, p. 329-334, 2005.

NELSON, R.F.; KIMES, D.; SALAS, W.; ROUTHIER, M. Secondary forest age and tropical forest biomass estimation using thematic mapper imagery. BioScience, Washington, v. 50, n.5, p. 419-431, 2000.

ROSSETO, R. Ageitec. Árvore do conhecimento: cana-de-açúcar. Disponível em: <http://www.agencia.cnptia.embrapa.br/gestor/cana-de açúcar/arvore/contag01_92_22122006154841.html>. Acesso em: 13 de maio, 2018.

UNITED STATES GEOLOGICAL SURVEY. Earth explorer. Disponível em: < https://earthexplorer.usgs.gov >. Acesso em: 23 de Maio, 2018a.

UNITED STATES GEOLOGICAL SURVEY. Earth Resources Observation and Science (EROS) Center Science Processing Architecture (ESPA) on demand interface. Disponível em: <https://espa.cr.usgs.gov/index/>. Acesso em: 23 de maio, 2018b.

VICENTE, L.E.; GOMES, D.; C.; CUSTODIO, D. O. Para além das figuras coloridas: fronteiras e desafios do

sensoriamento remoto multibanda. MundoGEO, v. 81, p. 48-50, 2015.

WALKLEY, A., BLACK, J.A. An examination of the method for determining soil organic matter, and proposed modification of the chromic acid titration method. Soil Sci. v. 37, p. 29–38, 1934.

WOODBURY, P. B.; HEATH, L. S.; SMITH, J. E. Land use change effects on forest carbon cycling throughout the southern United States. Journal of environmental quality, v. 35, n.4, p. 1348-1363, 2006.

https://espa.cr.usgs.gov/index/

12º congresso interinstitucional de iniciação científica ... · avaliaÇÃo de Índices...

Documents